分类:发明人－专利－技术领域网络

发明人－专利－技术领域网络指的是把科学计量学基础数据——专利发表和引用记录呈现为一个网络形式。

其中发明人层之内是学术传承关系，有必要的时候也可以包含其他社会关系，例如亲属关系、公司股权关系等。

专利层之内是引用关系。这里要注意，尽管专利的引用可能更加直接和实质，我们可能也要做适当的引用骨架挖掘。此外，在专利上，可能外部性——也就是专利如何通过“授权”变成产品——更加重要。因此，可能很有必要在讨论专利引用专利网络的时候就考虑这个外部性。

技术层之内是概念地图形式的技术主题之间的关系网络。

从发明人到专利是发明关系。

从专利到技术是“工作在”的关系。

当和专利体系的作者－论文－主题网络结合的时候，就是论文－专利多层网络。

专利基本统计分析

每一个国家（或者城市、大学等其他层级的单位）所拥有的专利的类别的统计分析。可以按照IPC专利分类的属性来统计。例如，最简单的就是给定专利集合的分布函数——哪一IPC类分别有多少个专利。例如，把每一个IPC类别离研究论文的距离——比如说通过简单的平均（或者总共）引用多少篇论文或者平均（或者总共）被多少篇论文引用或者把论文的间接影响力算完之后传过来到专利上来计算的平均（或者总和）影响力——来看这个分布函数。例如，从每一个分类的转化率（总共或者平均授权数）来看这个分布函数。

还可以讨论专利研究的热点追踪，也就是看新申请或者授权的专利是否更大的可能属于已经很大（数量很多）的专利类别。

专利-专利网络上的直接和间接联系

通过专利-专利引用网络内部来考虑专利个体和专利类别之间的相互依赖关系。直接联系就是数专利的被引次数。间接联系就是通过广义投入产出分析计算出来的专利影响力和相互关系。还可以加上外部性：来自于论文的引用和引用论文、授权生产产品、研发经费。

加入了专利引用论文之后，就能够回答，对于给定的论文个体或者论文类别，其主要启发和支持的专利个体和专利类别是什么。 加入了论文引用专利之后，就能够回答，对于给定的论文个体或者论文类别，其依赖专利个体和专利类别是什么。

在这些基本分析以及专利-专利引用网络上的直接统计分析上目前的研究情况见综述文章^[1][2] 以及Narin等人的研究^[3]。外部性和间接联系需要进一步做调研。不过，初步看起来，目前还没有类似的工作。

专利多层网络上的直接和间接联系

考虑发明人、专利、技术多层网络之后的直接和间接联系，同样也可以考虑外部性。

专利-论文多层网络上的直接和间接联系

考虑作者、论文、概念、发明人、专利、技术多层网络之后的直接和间接联系。这个时候外部性就只有专利和产品之间，专利和研发经费之间的了。论文和专利都成了内部因素。当做内部因素和外部因素的研究不同的地方在于反馈：当做内部的话，反馈一直是双方的；当做外部的话，内部对外部的反馈不存在，只有外部对内部的影响。

这个研究能够给出来对于给定的专利个体或者专利类别，其依赖和启发的专利个体和专利类别、论文个体和学术领域是什么；以及反过来，对于给定的论文个体或者论文类别，其依赖和启发的论文个体和学术领域、专利个体和专利类别是什么。

数据

USPTO提供打包下载的专利数据。其他不少专利组织也提供打包下载的数据。见 “数据”页面。专利引用论文数据可以参考LensPatCite的做法^[4]，用Crossref来构建。LensPatCite网站上也提供他们匹配好的专利引用论文数据。

由于USPTO记录中提供的参考文献信息不全面，尤其是缺乏文章DOI,不能准确找到所引用文献，crossref.org提供文献查询的API,详情请看Github的介绍,因此我们尝试通过API来查询专利引用文献的相关信息。

做法如下：在Python中调用了habaner写好的Python包，采用相关性排序，把需要查询的参考文献信息作为参数在API中查询，可以返回相关性最高的20条文献的json文件，内容包括DOI、作者、题目、杂志、卷、页码等信息。

Python代码请见文件:Crossref API multi process-2018.10.31.rar，查询数据格式请见文件:Sample-patent-reference.rar

参考文献